将 SSML 与 Web Speech API 一起使用的正确方法

Question

Web Speech API specification 说：

文本属性
该属性指定要合成的文本和 为这句话说话。这可以是纯文本或 完整、格式良好的 SSML 文档。用于语音合成引擎 不支持 SSML 或仅支持某些标签的用户 代理或语音引擎必须去除它们不支持的标签 并说出文字。

它没有提供将text 与 SSML 文档一起使用的示例。

我在 Chrome 33 中尝试了以下操作：

var msg = new SpeechSynthesisUtterance();
msg.text = '<?xml version="1.0"?>\r\n<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">ABCD</speak>';
speechSynthesis.speak(msg);

它不起作用——声音试图叙述 XML 标签。此代码有效吗？
我必须提供XMLDocument 对象吗？

我试图了解 Chrome 是否违反规范（应将其报告为错误），或者我的代码是否无效。

Answer 1

我已经对此进行了测试，XML 解析在 Windows 中似乎可以正常工作，但在 MacOS 中却无法正常工作。

Answer 2

目前在 Chromium 中存在与此问题相关的错误。

• 88072：扩展TTS API平台实现需要支持SSML
• 428902: speechSynthesis.speak() 不会去除无法识别的标签截至 2016 年 9 月，此错误已在 Chrome 中修复。

Answer 3

在 Chrome 46 中，当语言设置为 en 时，在 Windows 上，XML 被正确解释为 XML 文档；但是，我没有看到标签实际上在做任何事情的证据。我听说此 SSML 的 <emphasis> 和非 <emphasis> 版本之间没有区别：

var msg = new SpeechSynthesisUtterance();
msg.text = '<?xml version="1.0"?>\r\n<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US"><emphasis>Welcome</emphasis> to the Bird Seed Emporium.  Welcome to the Bird Seed Emporium.</speak>';
msg.lang = 'en';
speechSynthesis.speak(msg);

<phoneme> 标签也被完全忽略，这让我尝试说国际音标失败。

var msg = new SpeechSynthesisUtterance();
msg.text='<?xml version="1.0" encoding="ISO-8859-1"?> <speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.w3.org/2001/10/synthesis http://www.w3.org/TR/speech-synthesis/synthesis.xsd" xml:lang="en-US"> Pavlova is a meringue-based dessert named after the Russian ballerina Anna Pavlova. It is a meringue cake with a crisp crust and soft, light inside, usually topped with fruit and, optionally, whipped cream.  The name is pronounced <phoneme alphabet="ipa" ph="p&aelig;v&#712;lo&#650;v&#601;">...</phoneme> or <phoneme alphabet="ipa" ph="p&#593;&#720;v&#712;lo&#650;v&#601;">...</phoneme>, unlike the name of the dancer, which was <phoneme alphabet="ipa" ph="&#712;p&#593;&#720;vl&#601;v&#601;">...</phoneme> </speak>';
msg.lang = 'en';
speechSynthesis.speak(msg);

尽管 Microsoft 语音 API确实正确处理了 SSML，但还是会发生这种情况。这里是一个C# sn-p，适合在LinqPad中使用：

var str = "Pavlova is a meringue-based dessert named after the Russian ballerina Anna Pavlova. It is a meringue cake with a crisp crust and soft, light inside, usually topped with fruit and, optionally, whipped cream.  The name is pronounced /pævˈloʊvə/ or /pɑːvˈloʊvə/, unlike the name of the dancer, which was /ˈpɑːvləvə/.";
var regex = new Regex("/([^/]+)/");
if (regex.IsMatch(str))
{
    str = regex.Replace(str, "<phoneme alphabet=\"ipa\" ph=\"$1\">word</phoneme>");
    str.Dump();
}   
SpeechSynthesizer synth = new SpeechSynthesizer();
PromptBuilder pb = new PromptBuilder();
pb.AppendSsmlMarkup(str);
synth.Speak(pb);